Der Wettlauf, Nvidias Dominanz bei Chips für künstliche Intelligenz herauszufordern, geht in eine neue Runde: Startups ziehen Milliarden an Finanzierung an, Big Tech beschleunigt die Entwicklung eigener Chips, und Investoren wetten darauf, dass die nächste Phase des KI-Computings nicht ausschließlich den Grafikprozessoren gehören muss.

Während Nvidia den Markt für KI-Hardware weiterhin dominiert, verlagert sich die Aufmerksamkeit zunehmend vom Training massiver KI-Modelle hin zur effizienten Ausführung in realen Anwendungen, der sogenannten KI-Inference.

Dieser Übergang hat Platz geschaffen für eine neue Generation von Chipherstellern, die schnellere Leistung, geringeren Energieverbrauch und deutlich niedrigere Betriebskosten versprechen.

Die jüngste Erinnerung kam am Mittwoch, als das KI-Chip-Startup SambaNova 1 Milliarde US-Dollar an frischer Finanzierung einsammelte und damit die Bereitschaft der Investoren unterstrich, Unternehmen zu unterstützen, die sich ein Stück eines der weltweit am schnellsten wachsenden Technologiemärkte sichern wollen.

Die Finanzierungsrunde bewertet SambaNova mit 11 Milliarden US-Dollar und wurde von General Atlantic angeführt, mit Beteiligung von Seligman Ventures, T. Rowe Price und Capital Group.

Die jüngste Investition folgt auf eine separate Runde Anfang dieses Jahres, in der das Unternehmen mehr als 350 Millionen US-Dollar von Investoren wie Intel einwarb und eine strategische Partnerschaft einging.

Laut einem CNBC-Bericht, veröffentlicht im April, sammelten KI-Chip-Startups weltweit 2026 insgesamt 8,3 Milliarden US-Dollar ein.

Sofern die Finanzierungs­märkte keinen starken Einbruch erleben, wird erwartet, dass die Investitionen in diesen Sektor in diesem Jahr Rekordwerte erreichen.

Quelle: CNBC

Der Fokus verlagert sich vom Training zur Inference

Nvidia baute seine Dominanz auf Grafikprozessoren (GPUs) auf, die ursprünglich für Spiele entwickelt und später für das Training von KI-Modellen adaptiert wurden.

Diese Chips sind nach wie vor der Industriestandard für den Aufbau großer Sprachmodelle.

Da Unternehmen hingegen vermehrt KI-Anwendungen bereitstellen statt neue Foundation-Modelle zu trainieren, richtet sich die Aufmerksamkeit stärker auf die Inference — den Prozess, mit dem trainierte Modelle auf Benutzeranfragen reagieren.

Viele Startups argumentieren, dass GPUs, so extrem leistungsfähig sie sind, nie speziell für KI-Workloads entwickelt wurden.

Stattdessen sind sie der Ansicht, dass spezialisierte Prozessoren, die gezielt für die Inference konzipiert wurden, die Kosten drastisch senken und gleichzeitig weniger Strom verbrauchen können.

Liste von KI‑Chip‑Startups, die Nvidia herausfordern wollen

SambaNova ist bei weitem nicht das einzige Unternehmen, das versucht, Nvidias Griff auf die KI‑Infrastruktur zu lockern.

Cerebras, das nach einer Kapitalbeschaffung von 5,5 Milliarden US-Dollar vor Kurzem an die Börse ging, positioniert sich seit Langem als einer der stärksten Wettbewerber von Nvidia.

Morgan Stanley argumentierte, dass das Unternehmen in bestimmten Segmenten des KI‑Computings einen First‑Mover‑Vorteil genießt.

Ein weiterer genau beobachteter Akteur ist Groq, dessen auf Inference ausgerichtete Architektur so viel Aufmerksamkeit erhielt, dass Nvidia zustimmte, Teile seiner Chiptechnologie zu lizenzieren und im vergangenen Dezember den Geschäftsführer abzuwerben.

Später berichtete CNBC, dass Nvidia zugestimmt habe, Groq für 20 Milliarden US-Dollar in bar zu übernehmen, obwohl keine der beiden Firmen den Bericht bestätigte.

Groq erklärte, es werde unter der Führung von CEO Simon Edwards weiterhin unabhängig operieren.

Interessanterweise stellte Nvidia später auf seiner jährlichen GTC‑Konferenz im März eine eigene Sprachverarbeitungseinheit vor, was darauf hindeutet, dass das Unternehmen Ideen aus jüngeren Wettbewerbern aufnimmt, statt sie zu ignorieren.

Ein weiteres Startup, das Aufmerksamkeit erregt, ist D‑Matrix, 2019 gegründet.

Das Unternehmen gibt an, dass seine Prozessoren Inference‑Workloads bis zu zehnmal schneller ausführen können und dabei fünfmal weniger Energie verbrauchen als eigenständige Nvidia‑GPUs, vorausgesetzt, die Workloads bleiben relativ klein.

D‑Matrix hat bisher rund 500 Millionen US-Dollar eingesammelt und erreicht eine geschätzte Bewertung von etwa 2 Milliarden US-Dollar.

Microsoft beteiligte sich über seine Venture‑Sparte M12 an der Finanzierung.

Hersteller von KI‑Modellen wollen eigene Chips bauen

Der Wettbewerbsdruck kommt nicht nur von Startups.

Viele von Nvidias größten Kunden werden zugleich zu Konkurrenten, indem sie stark in die Entwicklung proprietärer KI‑Chips investieren.

Die Rationale ist einfach: Eigene Siliziumlösungen verringern die Abhängigkeit von Nvidia, senken die langfristigen Infrastrukturkosten und ermöglichen eine engere Verzahnung von Hardware und Software.

Reuters berichtete diese Woche, dass das chinesische KI‑Startup DeepSeek einen eigenen KI‑Chip entwickelt, um die Abhängigkeit von Nvidia‑ und Huawei‑Prozessoren zu verringern, die zum Training und zur Bereitstellung seiner Modelle verwendet werden.

Anfang des Monats berichtete The Information, dass Anthropic Gespräche mit Samsung über eine Zusammenarbeit an einem künftigen Chip geführt habe, wobei wichtige Entscheidungen zu Spezifikationen und Verwendungszweck noch offen seien.

OpenAI stellte letzten Monat seinen ersten kundenspezifischen KI‑Prozessor namens Jalapeño vor, der gemeinsam mit Broadcom entwickelt wurde.

Broadcom‑CEO Hock Tan sagte Reuters, dass der Prozessor in etwa mit Nvidias Blackwell‑Chips und Googles Tensor Processing Units (TPUs) mithalte.

Big Tech wird zunehmend zum Konkurrenten von Nvidia

Google selbst geht aggressiv vor, um seine Abhängigkeit von Nvidia zu reduzieren.

Statt dieselben Prozessoren sowohl für KI‑Training als auch für Inference zu verwenden, trennt das Unternehmen diese Workloads in eigene Chips unter der achten Generation seiner TPU‑Familie.

Die TPU 8t und TPU 8i sollen später in diesem Jahr verfügbar werden.

Amazon verfolgt eine ähnliche Strategie.

Sein KI‑Chef Peter DeSantis sagte kürzlich Bloomberg, dass Amazon Web Services darüber diskutiere, seine Trainium‑KI‑Chips externen Kunden zu verkaufen, was potenziell eine der stärksten Alternativen zu Nvidia in der Rechenzentrumsinfrastruktur schaffen könnte.

Solche Gespräche befinden sich noch in einem frühen Stadium, folgen aber den Kommentaren von Amazon‑CEO Andy Jassy, wonach die Nachfrage nach den intern entwickelten KI‑Chips so stark sei, dass eine Kommerzialisierung nun in Erwägung gezogen werde.

Auch Meta investiert aggressiv in eigene KI‑Hardware im Rahmen einer ausgeweiteten Partnerschaft mit Broadcom.

Das Meta Training and Inference Accelerator (MTIA)‑Programm hat bereits seinen ersten Chip produziert, den MTIA 300, der Ranking‑ und Empfehlungssysteme auf den Plattformen von Meta antreibt.

Drei weitere Generationen werden bis 2027 erwartet, wobei spätere Versionen speziell für Inference‑Workloads entwickelt werden, die KI‑Assistenten antreiben und auf Benutzeranfragen reagieren.

Wie Google und Amazon verfolgt Meta das Ziel, die Abhängigkeit von Nvidia zu reduzieren und Chips an den eigenen Software‑Stack und die KI‑Infrastruktur anzupassen.

Der Wandel illustriert einen breiteren Trend bei den Hyperscalern.

Statt vollständig auf Standard‑GPUs zu setzen, bauen Technologiegiganten zunehmend anwendungsspezifische integrierte Schaltkreise (ASICs), die für ihre eigenen Workloads optimiert sind.

AMD und Broadcom haben bereits bedeutende Positionen erobert

Im Gegensatz zu vielen Startups haben sich AMD und Broadcom bereits als gewichtige Wettbewerber in der KI‑Infrastruktur etabliert.

AMDs Transformation ähnelt in mehreren Punkten der von Nvidia.

Ursprünglich bekannt für Gaming‑Grafikkarten und PC‑Prozessoren, verlegte das Unternehmen seinen Fokus auf Beschleuniger für Rechenzentren und KI‑Chips und konnte sich so als zweitgrößter börsennotierter Akteur im Markt für KI‑Accelerator‑Hardware etablieren.

Die Strategie hat sich für Anleger ausgezahlt.

AMD‑Aktien sind in den letzten fünf Jahren um mehr als 460% gestiegen, womit das Unternehmen einen Marktwert von über 840 Milliarden US-Dollar erreicht hat.

Broadcom ist derweil zu einem der strategisch wichtigsten Unternehmen im Bereich kundenspezifisches KI‑Silizium geworden.

Anstatt direkt mit Nvidia über Handels‑Chips zu konkurrieren, entwirft Broadcom kundenspezifische Prozessoren für einige der größten KI‑Entwickler der Welt.

Analysten von Melius Research sagten kürzlich, Broadcom habe Einblick in etwa 10 Gigawatt KI‑Bedarf bis 2027 von Kunden einschließlich Anthropic und Meta Platforms.

Der Einfluss des Unternehmens wuchs am Mittwoch weiter, nachdem es eine Halbleitervereinbarung im Wert von mehr als 30 Milliarden US-Dollar mit Apple unterzeichnete.

Im Rahmen des Deals wird Broadcom „kundenspezifische Siliziumkomponenten und fortschrittliche Wireless‑Konnektivitätstechnologien“ für Apples Produkte entwerfen und herstellen.

Analysten sehen Nvidias Vorsprung schrumpfen, nicht verschwinden

Trotz der wachsenden Zahl von Wettbewerbern glauben die meisten Analysten, dass Nvidias Führungsposition weiterhin überwältigend ist.

„Nvidia wird mit Sicherheit mehr Konkurrenz sehen als noch vor einem Jahr“, sagte KinNgai Chan, Managing Director bei Summit Insights Group, in Kommentaren gegenüber Reuters im März.

„Nvidia hat heute immer noch über 90% Marktanteil sowohl im Training‑ als auch im Inference‑Markt.“

Chan erwartet jedoch, dass diese Dominanz in den kommenden Jahren allmählich abnehmen wird.

„Wir gehen davon aus, dass Nvidia ab 2027 Marktanteile verlieren wird, sobald Inhouse‑ASIC‑Programme etwas skaliert sind, insbesondere im Inference‑Markt“, sagte er und bezog sich auf anwendungsspezifische integrierte Schaltkreise (ASICs), die für dedizierte Workloads entwickelt sind und eine höhere Effizienz als General‑Purpose‑GPUs bieten.

Morningstar teilt eine ähnliche langfristige Einschätzung.

„Langfristig halten wir es für unvermeidlich, dass Google und AWS mehr Chips und KI‑Ausrüstung ins Haus holen werden, zum Nachteil von Nvidia“, schrieb Morningstar‑Analyst Brian Colello.

„Wir erwarten, dass Nvidia Marktanteile an Googles TPUs und Amazons Trainium verliert (insbesondere falls Anthropic und/oder Google Gemini als dominante Frontier‑Modelle hervorgehen), aber wir gehen davon aus, dass Nvidias Anteil sich bis 2030 bei etwa 68% einpendeln sollte (gegenüber 80% heute) innerhalb eines deutlich größeren Kuchens der KI‑Ausgaben“, fügte er hinzu.

Nvidia kontert auf mehreren Ebenen

Dennoch bleibt Nvidia nicht untätig.

Das Unternehmen gab im Geschäftsjahr bis Januar 2026 mehr als 18 Milliarden US-Dollar für Forschung und Entwicklung aus, während es die Arbeit an Prozessoren der nächsten Generation, Netzwerkprodukten und Photon‑Technologie beschleunigte.

Während der jüngsten Telefonkonferenz im Mai sagte Huang, Nvidias neue „Vera“‑Zentralprozessoren verschafften dem Unternehmen Zugang zu einem neuen Markt im Volumen von 200 Milliarden US-Dollar.

Nvidia erwartet, dass seine Vera‑Chips bis zum Ende des laufenden Geschäftsjahres 20 Milliarden US-Dollar Umsatz generieren.

Huang sagte, diese Umsätze seien in der früheren Prognose des Unternehmens über 1 Billion US-Dollar Umsatz aus den Blackwell‑ und Rubin‑KI‑Chip‑Plattformen zwischen 2025 und 2027 nicht enthalten gewesen.

Vielleicht noch wichtiger: Nvidia setzt zunehmend auf Zusammenarbeit statt Konfrontation.

Anstatt mit jedem neuen KI‑Chip‑Startup frontal zu konkurrieren, kooperiert Nvidia zunehmend mit Unternehmen, die spezialisierte Inference‑Prozessoren entwickeln.

Der Erwerb von Vermögenswerten des Inference‑Startups Groq im Dezember für 20 Milliarden US-Dollar und die Ankündigung von Investitionen in Höhe von 4 Milliarden US-Dollar in zwei Photon‑Firmen Anfang dieses Jahres waren Teile dieser Strategie.

Indem Nvidia außerdem einige konkurrierende Chips neben seinen eigenen GPUs in AI‑Server‑Racks integriert, erweitert es sein Ökosystem und stellt sicher, dass es weiterhin vom KI‑Infrastruktur‑Spend profitiert, unabhängig davon, welche Inference‑Technologien die größte Verbreitung finden.

Diese Strategie ermöglicht es Nvidia, an mehreren Hardware‑Ökosystemen teilzunehmen und weiter Umsätze zu generieren, selbst wenn Kunden spezialisierte Inference‑Chips parallel zu seinen GPUs einsetzen.

Am Mittwoch kündigte der Inference‑Cloud‑Anbieter Parasail an, dass er die Corsair‑Inference‑Beschleuniger von D‑Matrix neben Nvidia‑Hopper‑ und Blackwell‑Systemen einsetzen werde, um Kunden „bis zu 10x schnellere, kosteneffizientere Inference‑Services“ zu bieten.

Außerdem sind Sambanovas Produkte so konzipiert, dass sie die Nvidia‑Hardware ergänzen, anstatt sie vollständig zu ersetzen.

Rodrigo Liang, CEO von SambaNova, sagte, seine SN40‑ und SN50‑Chips könnten den sogenannten Decode‑Teil der Inference ausführen und die Anfrage aus dem Modell fünf- bis zehnmal schneller entpacken, wodurch die gleiche Anzahl an Nvidia‑Chips für andere Aufgaben wie das Training freigesetzt werde.

Starkes Wachstum hält trotz Wettbewerbsdruck an

Nvidias jüngste Finanzzahlen deuten darauf hin, dass der Wettbewerb das Geschäft bisher noch nicht nennenswert beeinträchtigt hat.

Die Datacenter‑Sparte, die weiterhin der wichtigste Wachstumstreiber des Unternehmens ist, meldete einen Rekordumsatz von 75,2 Milliarden US-Dollar, ein Plus von 92% gegenüber dem Vorjahr.

CEO Jensen Huang versuchte, die Investoren zu beruhigen, indem er betonte, dass die Nachfrage breit gefächert bleibe und neue Produkte dem Unternehmen helfen würden, die von ihm prognostizierte Umsatzchance von 1 Billion US-Dollar für seine Flaggschiff‑KI‑Plattformen zu übertreffen.

Trotz besser als erwarteter Umsatzprognosen und der Ankündigung eines Aktienrückkaufprogramms in Höhe von 80 Milliarden US-Dollar fielen NVDA‑Aktien nach der Gewinnmitteilung um 1,6%.

Die Marktreaktion deutete darauf hin, dass Anleger zunehmend über die aktuellen Gewinne hinausblicken und darauf fokussieren, ob Nvidia seine dominante Position verteidigen kann, während die Zahl der Wettbewerber wächst.

Die Aktie hat in diesem Jahr relativ moderat um 4% zugelegt und in den letzten 12 Monaten etwas mehr als 23% gewonnen — eine deutliche Abschwächung gegenüber den außergewöhnlichen Gewinnen in den frühen Phasen des KI‑Booms.

The post Von Startups bis Big Tech: Nvidias Rivalen häufen sich – kann es entthront werden? appeared first on Invezz